注：此报告仅来自单一来源，尚待核实。

一项由美国国立卫生研究院 (NIH) 资助的研究利用人工智能 (AI) 分析儿童描述压力事件的语言，从而预测抑郁症和焦虑症的发生，甚至在确诊前数年即可进行预测。该研究由斯坦福大学的伊恩·H·戈特利布博士 (Ian H. Gotlib, Ph.D.) 领导，研究对象为来自“早期生活压力研究”的 204 名 9 至 13 岁儿童，研究内容包括访谈中使用的语言。这些访谈主要关注儿童一生中经历的创伤性事件，作为任何精神健康诊断之前的基线测量数据。

研究团队运用四种自然语言处理技术来检测语言特征，例如句子结构、语法、语义、主题和词类。他们利用这些特征建立模型，预测四年或六年后的随访评估中的心理健康结果。研究发现，这些语言特征是未来抑郁症或焦虑症的强有力指标，其预测效果优于基于标准临床风险因素或人口统计数据的预测。

斯坦福大学博士候选人、论文第一作者蔡斯·安东纳奇（Chase Antonacci）指出，目前的临床方法无法可靠地区分高危儿童和那些在早期逆境后可能具有韧性的儿童。人工智能驱动的语言分析或许能够提供一种客观、数据驱动的工具，在儿童出现心理健康障碍之前识别出高危儿童，从而在关键时期采取预防措施。

研究结果表明，儿童语言中有关压力的微妙线索可能被忽视了，而这些线索可以促进早期心理健康风险评估。